Ρίκι Κόστα, Διευθύνων Σύμβουλος της Quantum Stat – Σειρά Συνεντεύξεων

Ο Ρίκι Κόστα είναι ο Διευθύνων Σύμβουλος της Quantum Stat, μια εταιρεία που προσφέρει επιχειρηματικές λύσεις για τη Γλωσσική Επεξεργασία Φυσικής Γλώσσας (NLP) και πρωτοβουλίες Τεχνητής Νοημοσύνης

Τι σας ενδιαφέρουν αρχικά για την τεχνητή νοημοσύνη;

Τυχαίο. Διαβάζοντας ένα βιβλίο για τη θεωρία της πιθανοότητας, συνάντησα một знаменитý θεώρημα. Την εποχή εκείνη, σκέφτηκα αν θα μπορούσα να εφαρμόσω αυτό το θεώρημα σε ένα πρόβλημα φυσικής γλώσσας που προσπαθούσα να λύσω στη δουλειά. Όπως αποδείχθηκε, το αλγόριθμος ήδη υπήρχε, χωρίς να το γνωρίζω, και ονομάζονταν Naïve Bayes, ένα πολύ знаменίτο και απλό γενετικό μοντέλο που χρησιμοποιείται στη κλασική μηχανική μάθηση. Αυτό το θεώρημα ήταν το Θεώρημα Bayes. Νιώθω ότι αυτή η σύμπτωση ήταν ένα σημάδι, και φύτεψε ένα σπόρο περιέργειας να μάθω περισσότερα.

Είστε ο Διευθύνων Σύμβουλος της Quantum Stat, μια εταιρείας που προσφέρει λύσεις για τη Φυσική Γλώσσα. Πώς βρεθήκατε σε αυτή τη θέση;

Όταν υπάρχει μια επανάσταση σε μια νέα τεχνολογία, ορισμένες εταιρείες είναι πιο διστακτικές από άλλες όταν αντιμετωπίζουν το άγνωστο. Ξεκίνησα την εταιρεία μου επειδή η διώξη του άγνωστου είναι διασκεδαστική για μένα. Νιώθω επίσης ότι ήταν η σωστή στιγμή για να εισέλθω στο πεδίο της Γλωσσικής Επεξεργασίας Φυσικής Γλώσσας, учитывая όλα τα θαυμάσια ερευνητικά αποτελέσματα που έχουν παρουσιαστεί τα τελευταία 2 χρόνια. Η κοινότητα της Γλωσσικής Επεξεργασίας Φυσικής Γλώσσας έχει τη δυνατότητα τώρα να επιτύχει πολύ περισσότερα με πολύ λιγότερα, χάρη στην εμφάνιση νέων τεχνικών Γλωσσικής Επεξεργασίας Φυσικής Γλώσσας που απαιτούν λιγότερα δεδομένα για την κλιμάκωση της απόδοσης.

Για τους αναγνώστες που μπορεί να μην είναι εξοικειωμένοι με αυτό το πεδίο, θα μπορούσατε να μας μιλήσετε για το τι κάνει η Γλωσσική Επεξεργασία Φυσικής Γλώσσας;

Η Γλωσσική Επεξεργασία Φυσικής Γλώσσας είναι ένα υποπεδίο της Τεχνητής Νοημοσύνης και της ανάλυσης που προσπαθεί να κατανοήσει τη φυσική γλώσσα σε κείμενο, ομιλία ή πολυμορφική μάθηση (κείμενο και εικόνες/βίντεο) και να την υπολογίσει μέχρι το σημείο όπου οδηγεί σε έμπνευση και/ή παρέχει μια πολύτιμη υπηρεσία. Η αξία μπορεί να προέλθει από διάφορες γωνίες, από την ανάκτηση πληροφοριών σε ένα εσωτερικό σύστημα αρχείων μιας εταιρείας, στην ταξινόμηση συναισθήματος στις ειδήσεις, ή ένα bot του GPT-2 στο Twitter που βοηθά με την προώθηση των κοινωνικών μέσων (όπως αυτό που κατασκευάσαμε πριν από λίγες εβδομάδες).

Έχετε πτυχίο Τεχνών από το Κολλέγιο Χάντερ στη Πειραματική Ψυχολογία. Νιώθετε ότι η κατανόηση του ανθρώπινου εγκεφάλου και της ανθρώπινης ψυχολογίας είναι ένα πλεονέκτημα όταν πρόκειται για την κατανόηση και την επέκταση του πεδίου της Γλωσσικής Επεξεργασίας Φυσικής Γλώσσας;

Αυτό είναι αντίθετο, αλλά δυστυχώς, όχι. Η αναλογία των νευρώνων και των βαθιών νευρωνικών δικτύων είναι απλά για εικονογράφηση και για να εγκαταστήσει την直觉. Μπορείτε να μάθετε πολύ περισσότερα από την επιστήμη της πολυπλοκότητας και την μηχανική. Η δυσκολία με την κατανόηση του πώς λειτουργεί ο εγκέφαλος είναι ότι αντιμετωπίζουμε ένα σύνθετο σύστημα. «Η νοημοσύνη» είναι ένα εμεργентικό φαινόμενο από την πολυπλοκότητα του εγκεφάλου που αλληλεπιδρά με το περιβάλλον του, και είναι πολύ δύσκολο να το κατανοήσουμε. Η ψυχολογία και άλλες κοινωνικές επιστήμες, οι οποίες βασίζονται στη «μείωση» (top-down), δεν λειτουργούν υπό αυτό το σύνθετο парадίγμα. Η直觉 είναι: φανταστείτε κάποιον που προσπαθεί να μειώσει το τραγούδι «Let it Be» των Beatles στη κλίμακα του C Major. Δεν υπάρχει τίποτα σε αυτή τη κλίμακα που να προβλέπει ότι το «Let it Be» θα προκύψει από αυτή. Το ίδιο ισχύει και για κάποιον που προσπαθεί να μειώσει τη συμπεριφορά σε νευρωνική δραστηριότητα στον εγκέφαλο.

Μπορείτε να μας μιλήσετε γιατί τα Μεγάλα Δεδομένα είναι τόσο σημαντικά όταν πρόκειται για τη Βαθιά Μάθηση και, πιο συγκεκριμένα, τη Γλωσσική Επεξεργασία Φυσικής Γλώσσας;

Όπως είναι τώρα, επειδή τα μοντέλα βαθιάς μάθησης παρεμβάλλουν δεδομένα, όσο περισσότερα δεδομένα ταΐζετε το μοντέλο, τόσο λιγότερα περιπτώσεις θα δει όταν κάνει μια εικασία στη φύση. Αυτή η αρχιτεκτονική «κινήτρων» μεγάλα σύνολα δεδομένων να υπολογιστούν από τα μοντέλα για να αυξήσουν την ακρίβεια της έξοδου. Ωστόσο, αν θέλουμε να επιτύχουμε πιο έξυπνη συμπεριφορά από τα μοντέλα Τεχνητής Νοημοσύνης, πρέπει να κοιτάξουμε πέρα από το πόσα δεδομένα έχουμε και περισσότερο πώς μπορούμε να βελτιώσουμε την ικανότητα του μοντέλου να συλλογιστεί πιο αποτελεσματικά, το οποίο, ενστικτωδώς, δεν πρέπει να απαιτεί πολλά δεδομένα. Από μια οπτική πολυπλοκότητας, τα πειράματα με αυτομάτες μηχανές που διεξήχθησαν στο παρελθόν από τους φυσικούς Τζον φον Νόιμαν και Στίβεν Βόλφραμ δείχνουν ότι η πολυπλοκότητα μπορεί να προκύψει από απλές αρχικές συνθήκες και κανόνες. Τι αυτές οι συνθήκες/κανόνες πρέπει να είναι για την Τεχνητή Νοημοσύνη, είναι αυτό που όλοι ψάχνουν.

Πρόσφατα κυκλοφορήσατε τη «Μεγάλη Κακή Βάση Δεδομένων NLP». Τι είναι αυτή η βάση δεδομένων και γιατί είναι σημαντική για όσους στην βιομηχανία Τεχνητής Νοημοσύνης;

Αυτή η βάση δεδομένων δημιουργήθηκε για τους développers της Γλωσσικής Επεξεργασίας Φυσικής Γλώσσας να έχουν άμεση πρόσβαση σε όλα τα σχετικά σύνολα δεδομένων της βιομηχανίας. Αυτή η βάση δεδομένων βοηθά στην ευρετηρίαση των συνόλων δεδομένων, η οποία έχει μια ωραία δευτερεύουσα επίδραση, να μπορεί να ερωτηθεί από τους χρήστες. Η προεπεξεργασία των δεδομένων λαμβάνει το μεγαλύτερο μέρος του χρόνου στη διαδικασία ανάπτυξης, και αυτή η βάση δεδομένων προσπαθεί να μετριάσει αυτό το πρόβλημα όσο το δυνατόν. Επιπλέον, είναι μια δωρεάν πλατφόρμα για οποιονδήποτε, ανεξάρτητα από το αν είναι ερευνητής, praktikos, ή ανεξάρτητος ειδικός Τεχνητής Νοημοσύνης που θέλει να ενημερωθεί με τα δεδομένα της Γλωσσικής Επεξεργασίας Φυσικής Γλώσσας. Σύνδεσμος

Η Quantum Stat προσφέρει hiệnώς λύσεις από άκρου σε άκρο. Ποίες είναι μερικές από αυτές τις λύσεις;

Βοηθάμε τις εταιρείες να διευκολύνουν τη διαδικασία μοντελοποίησης της Γλωσσικής Επεξεργασίας Φυσικής Γλώσσας, προσφέροντας ανάπτυξη σε οποιοδήποτε στάδιο. Μπορούμε να καλύψουμε ένα ευρύ φάσμα υπηρεσιών, από την καθαρισμό των δεδομένων στη φάση προεπεξεργασίας μέχρι την ανάπτυξη του μοντέλου στη φάση παραγωγής (αυτές οι υπηρεσίες παρουσιάζονται επίσης στην αρχική μας σελίδα). Δεν όλες οι πρωτοβουλίες Τεχνητής Νοημοσύνης οδηγούν σε επιτυχία λόγω της αβεβαιότητας του πώς λειτουργεί το συγκεκριμένο δεδομένο/αρχιτεκτονική του έργου με ένα μοντέλο állου επιπέδου. Δεδομένης αυτής της αβεβαιότητας, οι υπηρεσίες μας δίνουν στις εταιρείες την ευκαιρία να επαναλάβουν το έργο τους με ένα κλάσμα του κόστους της πρόσληψης ενός πλήρους μηχανικού Μηχανικής Μάθησης.

Ποια πρόσφατη πρόοδος στην Τεχνητή Νοημοσύνη βρίσκεται πιο ενδιαφέρουσα για σας;

Η πιο σημαντική πρόοδος τελευταία είναι το μοντέλο μετασχηματιστή, μπορείτε να έχετε ακούσει γι’ αυτό: BERT, RoBERTa, ALBERT, T5 και così weiter. Αυτά τα μοντέλα μετασχηματιστή είναι πολύ ελκυστικά επειδή επιτρέπουν στον ερευνητή να επιτύχει την απόδοση του κράτους-of-the-arte με ένα μικρότερο σύνολο δεδομένων. Πριν από τους μετασχηματιστές, ένας développer θα χρειαζόταν ένα πολύ μεγάλο σύνολο δεδομένων για να εκπαιδεύσει ένα μοντέλο από την αρχή.既然 αυτοί οι μετασχηματιστές έρχονται προ-εκπαιδευμένοι σε δισεκατομμύρια λέξεις, αυτό επιτρέπει μια ταχύτερη επανάληψη των έργων Τεχνητής Νοημοσύνης και είναι αυτό με το οποίο ασχολούμαστε περισσότερο αυτή τη στιγμή.

Υπάρχει κάτι άλλο που θα θέλατε να μοιραστείτε σχετικά με την Quantum Stat;

Δουλεύουμε σε ένα νέο έργο που ασχολείται με την ανάλυση συναισθήματος της αγοράς χρηματοοικονομικών που θα κυκλοφορήσει σύντομα. Έχουμε αξιοποιήσει πολλαπλούς μετασχηματιστές για να δώσουμε μια άνευ προηγουμένου έμπνευση για το πώς οι χρηματοοικονομικές ειδήσεις αναπτύσσονται σε πραγματικό χρόνο. Περιμένετε!

Για να μάθετε περισσότερα, επισκεφθείτε την Quantum Stat ή διαβάστε το άρθρο μας για τη Μεγάλη Κακή Βάση Δεδομένων NLP.